特許ウォッチ

公開番号2025167280
公報種別公開特許公報(A)
公開日2025-11-07
出願番号2024071756
出願日2024-04-25
発明の名称超音波探傷装置及び超音波探傷方法
出願人日本製鉄株式会社
代理人弁理士法人太陽国際特許事務所
主分類G01N 29/44 20060101AFI20251030BHJP(測定;試験)
要約【課題】超音波画像の分解能を向上させることができる。
【解決手段】超音波探傷装置は、超音波を用いて対象物の内部の欠陥を検出する超音波探傷装置であって、対象物に向けて超音波を送信する複数の超音波送信素子と、対象物で反射した超音波の強度を信号として受信する複数の超音波受信素子と、超音波受信素子で受信した信号に基づいて、現実には受信していない信号を推定するデータ補間部と、を有し、データ補間部は、座標を入力とし対応する信号を出力とするニューラルネットワークを、複数の超音波受信素子の座標及び前記複数の超音波受信素子が受信する信号を用いて学習することで、学習済みニューラルネットワークとして取得しており、複数の超音波受信素子が存在しない領域における特定位置について、学習済みニューラルネットワークに特定位置の座標を入力することで、特定位置に超音波受信素子が存在していれば受信するはずの信号を推定する。
【選択図】図1
特許請求の範囲【請求項１】
超音波を用いて対象物の内部の欠陥を検出する超音波探傷装置であって、
前記対象物に向けて超音波を送信する複数の超音波送信素子と、
前記対象物で反射した超音波の強度を信号として受信する複数の超音波受信素子と、
前記超音波受信素子で受信した信号に基づいて、現実には受信していない信号を推定するデータ補間部と、
を有し、
前記データ補間部は、
座標を入力とし対応する信号を出力とするニューラルネットワークを、前記複数の超音波受信素子の座標及び前記複数の超音波受信素子が受信する信号を用いて学習することで、学習済みニューラルネットワークとして取得しており、
前記複数の超音波受信素子が存在しない領域における特定位置について、前記学習済みニューラルネットワークに前記特定位置の座標を入力することで、前記特定位置に前記超音波受信素子が存在していれば受信するはずの信号を推定する、超音波探傷装置。
続きを表示（約 790 文字）【請求項２】
前記対象物の内部の欠陥を検出する欠陥検出部を有し、
前記欠陥検出部は、
前記超音波受信素子で受信した信号、又は、前記超音波受信素子で得られた信号及び前記データ補間部で推定された信号に基づいて、前記対象物の内部の欠陥を検出する、請求項１に記載の超音波探傷装置。
【請求項３】
超音波を用いて対象物の内部の欠陥を検出する超音波探傷方法であって、
前記対象物に向けて超音波を送信する複数の超音波送信素子と、
前記対象物で反射した超音波の強度を信号として受信する複数の超音波受信素子と、
前記超音波受信素子で受信した信号に基づいて、現実には受信していない信号を推定するデータ補間部と、
を有する超音波探傷装置を用い、
前記データ補間部を用いて、
座標を入力とし対応する信号を出力とするニューラルネットワークを、前記複数の超音波受信素子の座標及び前記複数の超音波受信素子が受信する信号を用いて学習することで、学習済みニューラルネットワークとして取得しておく取得ステップと、
前記複数の超音波受信素子が存在しない領域における特定位置について、前記学習済みニューラルネットワークに前記特定位置の座標を入力することで、前記特定位置に前記超音波受信素子が存在していれば受信するはずの信号を推定する推定ステップと、
を有する、超音波探傷方法。
【請求項４】
欠陥検出部を用いて、前記対象物の内部の欠陥を検出する欠陥検出ステップを有し、
前記欠陥検出ステップは、
前記超音波受信素子で受信した信号、又は、前記超音波受信素子で得られた信号及び前記データ補間部で推定された信号に基づいて、前記対象物の内部の欠陥を検出する、請求項３に記載の超音波探傷方法。

発明の詳細な説明【技術分野】
【０００１】
本開示は、超音波探傷装置及び超音波探傷方法に関する。
続きを表示（約 1,200 文字）【背景技術】
【０００２】
多くの産業分野において、機械学習手法によって学習された識別器を用いることで、膨大なデータから経験や知識を抽出して自動化に繋げる動きが活発である。特に、製造業で非破壊検査の１つとして使われる超音波探傷では、深層学習（ＤｅｅｐＬｅａｒｎｉｎｇ）をはじめとするニューラルネットワークをベースとした機械学習モデルが数多く導入され、人手に依存した検査を効率化する取り組みが進んでいる。
【０００３】
超音波探傷で得られた信号を画像化したものに対して深層学習を適用して異常を検出する取り組みに加えて、近年では画像化前の信号そのものにも深層学習が導入され始めている。例えば、特許文献１では、非破壊検査装置の３次元ボクセルデータを用いて機械学習された機械学習モデルを用いて欠陥などの検出対象を識別する方法が提案されている。
【０００４】
また、特許文献２では、超音波信号を入力データとし、それに対応する適切なフィルタ制御信号を出力データとする深層学習モデルが提案されている。
【０００５】
機械学習への注目と並行して、超音波探傷装置では、探触子で使用される素子数が増加している。これは、素子数が多ければ多いほど空間的な分解能が改善されるからである。
【先行技術文献】
【特許文献】
【０００６】
特開２０２２－６６６３７号公報
特開２０２３－１０６０９８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００７】
しかしながら、素子数が増えるほど製造コストが急激に増えることに加え、素子の故障による影響を受けやすいという問題がある。この問題は、１次元方向に複数の素子が並ぶリニアアレイや２次元方向に格子状に素子が配置されるマトリクスアレイでは特に顕著である。特に、探傷を目的として超音波を用いる製造業では、素子数を増やすことによる分解能向上が望まれるものの、物理的に素子数を増やすことは、コスト増大と故障によるメンテナンス負荷増大に直結し、受け入れがたいといった事情がある。
【０００８】
特許文献１において提案されている３次元ボクセルデータに対する深層学習モデルの適用では、予め定まった個数の素子から得られた信号から異常を顕在化させることを目的に深層学習モデルを使用しており、素子数を増やすことによる超音波画像の分解能向上は機械学習の過程で一切考慮されていない。
【０００９】
また、特許文献２で提案されている深層学習モデルにおいても素子数は一定であることを前提としており、素子数を増やすことによる超音波画像の分解能向上は考慮されていない。
【００１０】
本開示は、上記事情に鑑みてなされたものであり、超音波画像の分解能を向上させることができる超音波探傷装置及び超音波探傷方法を提供するものである。
【課題を解決するための手段】
（【００１１】以降は省略されています）

関連特許